基本資料
| 攤位 | P6117 |
| 國別 | SG |
| 網站 | www.sixsense.ai |
公司簡介
SIXSENSE PTE. LTD. 是專為晶圓廠與 OSAT 打造的 AI 平台，涵蓋自動化缺陷檢測、批次處置與缺陷根因分析。公司的使命是讓每一座晶片工廠都擁有「大腦」，其製造願景認為半導體工廠應能看見每個細節、從每個生產訊號學習，並即時做出更好的決策。公司對半導體製造的描述強調，晶片生產涉及數千個步驟、數百台機器，而且幾乎沒有犯錯空間。SIXSENSE PTE. LTD. 於 2018 年開始，希望把可信賴的智慧自動化帶入半導體製造；其 AI 平台把原始生產資料轉換為可用情報，以提早發現隱藏問題、改善良率並提升製造控制能力。公司也描述員工可從一開始就承擔具影響力的專案並處理高難度技術挑戰。福利說明包含具競爭力的薪資、福利，以及員工與家人的 100% health insurance。全球接觸機會包含前往新加坡、台灣、馬來西亞、美國與以色列進行客戶 pilot、產品探索與國際協作。學習與發展支援涵蓋課程、認證、健身計畫及個人成長活動；團隊社群活動則包含 team off-site、board game 與 weekend getaway。混合工作模式結合新加坡與 Bengaluru 的辦公室文化及遠端工作的彈性。公司的全球據點列有新加坡、美國 San Francisco、印度 Bengaluru 與台灣 Hsinchu County。SIXSENSE PTE. LTD. 也表示其產品獲頂尖半導體公司及其他產業領導者採用，客戶分布於新加坡、台灣、馬來西亞、中國、以色列與美國。
展出產品
SIXSENSE PTE. LTD. 的 AI 套件被描述為可解鎖晶圓廠 95% 的隱藏情報，透過預測並預防高成本 excursion，降低報廢成本、將 cycle time 縮短 30%，並在不新增 CAPEX 的情況下把產出擴大到 1.3x。AI-ADC 是端到端的視覺檢查自動化方案，提供模型訓練、部署與維護工具。其即時視覺引擎分析每一張擷取影像，將疑似缺陷分類為數百種類型，準確率超過 99% 且標示 zero escapee。AI-ADC 以產線速度把缺陷影像轉換成可用洞察，可縮短複判佇列、釋放無塵室人力並建立下游分析基礎，也讓晶圓廠在不依賴額外招募、訓練或人為品質疏失的情況下擴大生產。AI 可 24/7 分類疑似缺陷，提供全天候覆蓋並降低無塵室空間占用；即時 pass/fail 決策讓 lot 持續流動，每個複判步驟可節省數小時，累計可為晶圓廠節省數天。AI 也可提早抓到極小但關鍵的缺陷，讓工程師在報廢累積前修正製程，同時避免人工保守篩檢造成不必要的過度剔除。公司表示，一致且無偏差的檢查可阻止不良晶圓流向下游，減少 rework、scrap、RMA 及現場失效帶來的客訴；AI 還可執行過去由數十名操作員完成的工作，使人員轉向較高價值的工程與改善任務。Build AI 提供端到端的訓練資料準備與高準確度模型建立環境，可自動取樣最有用的影像並降低人工投入。它可從數百萬張影像中挑選多樣、平衡、去重且包含難找案例的資料集，並以 10x speed 進行 AI-assisted label correction。其訓練方式標示可在 production 以 0% escapee 啟動，減少反覆 retrain 與 rollback。Build AI 使用真正的 classification model，而不是拼接 detection 或 anomaly workaround，並省去 bounding box 資料準備，針對極小且外觀相近的缺陷維持高準確度。平台包含專為半導體打造的 large vision foundation models，已在數百萬張 wafer-defect images 上預訓練；所列效能包括 >95% automation、0% UR 與最高 <0.05% OR，且每類只使用兩位數影像數量而非四位數。Explainable AI 可讓使用者查看模型把什麼辨識為缺陷，並在 production 上線前驗證 AI 學到的內容。ClassifAI 可在多種 AOI tools 上執行 production AI model，提供 high-throughput、low-latency visual inspection 與 near-zero escapes。單一模型可涵蓋跨世代的數百種 devices 與 tools，內建 multi-view、multi-tool 與 multiple magnifications 支援，並提供 Rescans、Klarf variants、incoming defects 的整合，可由 yield engineers 部署。操作介面會自動分級並把新缺陷導入內建 manual review，支援 1-click retraining；interactive wafer maps、hotkeys 與 color-coded defect maps 用於降低導入門檻。VerifAI 會自動監控並調整 production models，利用 drift detection 與 self-improvement 能力維持可靠效能。Lot Disposition and Root-Cause Analysis 依缺陷嚴重度與良率影響標示高風險晶圓，以安排複判優先順序、恢復良率並減少 escapes 與 scrap。以 AI-ADC 標籤為基礎，Lot Disposition 依 yield impact、recurrence patterns 與 defect severity 自動決定每個 lot 為 pass、hold、rework 或 scrap，並可把 verdict 直接寫入 production systems，以消除人工 sign-off、避免高成本 excursion 並在尖峰 throughput 下維持精簡 cycle time。Dispose AI 會呈現關鍵重複缺陷、wafer-map signatures 與 yield outliers，依 yield criteria 與 low kill-ratio defects 協助 yield engineers 做 auto-lot checkout，並可把 low first-pass yield 或 low final yield 的 lot 暫停待審。持續運作的 AI agents 會跨數百個步驟把已分類缺陷與 tool、recipe、chamber data 關聯，標示偏離規格的參數、量化 yield exposure 並找出最快修正方式；公司表示，過去需要數週的分析可縮短到數分鐘。CausifAI 透過關聯 process tool、lot history 與 inspection data 找出主要失效來源，以 wafer-stack analytics 量化 wafer exposure，並提供 reports 與 charts 讓 yield engineers 追查 true 與 false yield loss 的來源。Predict AI 透過學習跨時間、layer 與 lot 的 defect likelihood，預測何時、何處以及要檢查什麼，並可在故障發生前主動調整 inspection sampling 與 tools，以降低 scrap 與 downtime 並推動 self-optimizing production。Predict AI 也能從早期 inspection、metrology 與 process data 預測 die failure probability，找出導致重複缺陷的 layers、tools 與 patterns，動態把 sampling 聚焦在高風險區域，並在報廢開始前觸發 tool 與 recipe 調整，以 data-driven production 降低非預期停機。整體而言，AI 套件可在 fab 與 OSAT 產線大規模自動化 defect review、追溯反覆異常的 root cause 並即時標示 at-risk wafers，成果被描述為降低 yield exposure、加強 quality control、提升 productivity 並提高每次 run 的信心。AI-ADC 亦被描述為能用更少 labeled samples 進行更快且準確的 defect classification，同時降低 cycle time 與 cleanroom footprint。
能力與產品項目
- 半導體 AI 自動缺陷檢測
- AI-ADC 視覺檢測自動化
- 缺陷分類 AI 模型建置
- 跨 AOI 生產缺陷分類
- AI 模型漂移監控與自我改善
- 自動批次 Pass/Hold/Rework/Scrap 處置
- 半導體缺陷根因分析
- AI 預測檢測與良率風險